Sabek, AmineSaihi, Youcef2024-03-202024-03-202023Sabek, A., & Saihi, Y. (2023). Analisando números, tomando decisões: inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia Saudita. CAFI, 6(2), 183–201. https://doi.org/10.23925/cafi.62.607182595-1750https://revistas.pucsp.br/index.php/CAFI/article/view/60718https://doi.org/10.23925/cafi.62.60718https://repositorio.uniremington.edu.co/handle/123456789/2536A previsão de dificuldades financeiras tem sido uma preocupação significativa tanto para pesquisadores quanto para profissionais há muito tempo. Este tema tem despertado um interesse substancial devido aos benefícios potenciais do uso de modelos preditivos para antecipar problemas financeiros e ajudar as empresas a evitar riscos financeiros que poderiam levar à falência e à liquidação. O objetivo principal desta pesquisa é prever dificuldades financeiras, comparando a eficácia da Rede Neural Artificial (RNA) com a Regressão Logística (RL). Esta avaliação baseia-se em dados de 12 empresas argelinas e 12 empresas sauditas durante o período de 2015 a 2019. As conclusões do estudo indicam que o modelo RL superou o modelo de Rede Neural Ampla (RNA) na previsão com precisão de dificuldades financeiras, alcançando uma precisão de classificação ideal para empresas argelinas e sauditas. Consequentemente, o modelo RL surge como a escolha preferida para prever dificuldades financeiras em ambos os países.18 p.application/pdfporfinancial distressforecastingartificial neural networklogistic regressiondificuldades financeirasprevisãorede neural artificialregressão logísticahttp://purl.org/coar/resource_type/c_2df8fbb1